| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景与意义 | 第9页 |
| 1.2 轴承故障诊断的研究现状 | 第9-11页 |
| 1.2.1 轴承故障故障诊断技术的研究现状 | 第9-11页 |
| 1.2.2 轴承故障诊断技术存在的问题 | 第11页 |
| 1.3 基于时频分析的轴承故障诊断研究现状 | 第11-14页 |
| 1.3.1 时频分析方法的发展概况 | 第11-12页 |
| 1.3.2 基于时频分析的轴承故障诊断研究现状 | 第12-14页 |
| 1.4 论文研究内容和章节安排 | 第14-15页 |
| 2 滚动轴承故障机理研究 | 第15-21页 |
| 2.1 滚动轴承的主要失效形式 | 第15-16页 |
| 2.2 滚动轴承故障机理 | 第16-20页 |
| 2.2.1 滚动轴承故障特征频率 | 第18-19页 |
| 2.2.2 滚动轴承固有特征频率 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 时频分析理论 | 第21-29页 |
| 3.1 小波变换 | 第21-26页 |
| 3.1.1 连续小波变换 | 第21-22页 |
| 3.1.2 离散小波变换 | 第22-23页 |
| 3.1.3 小波包分解 | 第23-26页 |
| 3.2 经验模态分解 | 第26-28页 |
| 3.2.1 经验模态分解 | 第26页 |
| 3.2.2 集合经验模态分解 | 第26-28页 |
| 3.3 本章小结 | 第28-29页 |
| 4 故障诊断模型的研究 | 第29-51页 |
| 4.1 基于小波包分解的故障诊断模型研究 | 第29-44页 |
| 4.1.1 小波包特征参数的定义 | 第29-32页 |
| 4.1.2 聚类算法 | 第32-42页 |
| 4.1.3 故障诊断模型的建立 | 第42-44页 |
| 4.2 基于集合经验模态分解与多尺度排列熵的故障诊断模型研究 | 第44-50页 |
| 4.2.1 排列熵 | 第44-46页 |
| 4.2.2 多尺度排列熵 | 第46-49页 |
| 4.2.3 故障诊断模型的建立 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 5 实验分析 | 第51-71页 |
| 5.1 实验说明 | 第51-52页 |
| 5.2 电机转速对故障诊断的影响 | 第52-53页 |
| 5.3 故障类型诊断 | 第53-61页 |
| 5.3.1 基于小波包分解的故障诊断模型验证 | 第53-57页 |
| 5.3.2 基于集合经验模态分解与多尺度排列熵的故障诊断模型验证 | 第57-61页 |
| 5.4 故障程度诊断 | 第61-66页 |
| 5.4.1 基于小波包分解的故障诊断模型验证 | 第61-64页 |
| 5.4.2 基于集合经验模态分解与多尺度排列熵的故障诊断模型验证 | 第64-66页 |
| 5.5 复杂故障诊断 | 第66-69页 |
| 5.6 本章小结 | 第69-71页 |
| 6 结论与展望 | 第71-73页 |
| 6.1 结论 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士期间发表论文及参与项目 | 第79页 |
